論文の概要: Encoder-Decoder Networks for Self-Supervised Pretraining and Downstream Signal Bandwidth Regression on Digital Antenna Arrays

• arxiv url: http://arxiv.org/abs/2307.03327v1
• Date: Thu, 6 Jul 2023 22:59:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-10 13:47:11.303545
• Title: Encoder-Decoder Networks for Self-Supervised Pretraining and Downstream Signal Bandwidth Regression on Digital Antenna Arrays
• Title（参考訳）: ディジタルアンテナアレイ上の自己教師付き事前学習および下流信号帯域回帰のためのエンコーダデコーダネットワーク
• Authors: Rajib Bhattacharjea, Nathan West
• Abstract要約: 本研究は,デジタルアンテナアレイのデータに適用された自己教師あり学習の最初の応用について述べる。 ネットワークはデジタルアレイデータに基づいて事前訓練され、チャネルインペイントと呼ばれる自己教師付きノイズ再構成タスクを実行する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work presents the first applications of self-supervised learning applied to data from digital antenna arrays. Encoder-decoder networks are pretrained on digital array data to perform a self-supervised noisy-reconstruction task called channel in-painting, in which the network infers the contents of array data that has been masked with zeros. The self-supervised step requires no human-labeled data. The encoder architecture and weights from pretraining are then transferred to a new network with a task-specific decoder, and the new network is trained on a small volume of labeled data. We show that pretraining on the unlabeled data allows the new network to perform the task of bandwidth regression on the digital array data better than an equivalent network that is trained on the same labeled data from random initialization.
• Abstract（参考訳）: 本研究は,デジタルアンテナアレイのデータに適用された自己教師あり学習の最初の応用について述べる。 エンコーダ・デコーダネットワークは、デジタルアレイデータ上に事前トレーニングされ、チャネル・イン・ペイントと呼ばれる自己教師付きノイズ・再構成タスクを実行する。 自己管理のステップでは、人間のラベル付きデータを必要としない。 エンコーダのアーキテクチャと事前訓練からの重みはタスク固有のデコーダを持つ新しいネットワークに転送され、新しいネットワークはラベル付きデータの少ない量でトレーニングされる。 ラベル付きデータに対する事前トレーニングにより、新しいネットワークは、ランダム初期化から同じラベル付きデータに基づいてトレーニングされた等価ネットワークよりも、デジタルアレイデータ上で帯域幅回帰のタスクを実行できることを示す。

関連論文リスト

• UNFUSED: UNsupervised Finetuning Using SElf supervised Distillation [53.06337011259031]
  音声分類に自己教師付き学習を活用する新しい手法UnFuSeDを提案する。 エンコーダを用いて、実際の微調整ステップの前に、教師なしの微調整のための擬似ラベルを生成する。 UnFuSeDはLAPEベンチマークで最先端の結果を達成し、すべてのベースラインを大きく上回っている。
  論文  参考訳（メタデータ） (2023-03-10T02:43:36Z)
• Age of Information in Deep Learning-Driven Task-Oriented Communications [78.84264189471936]
  本稿では,その送信機におけるデータを利用した受信機におけるタスク実行を目的とした,タスク指向コミュニケーションにおける年齢概念について検討する。 送信機-受信機操作は、共同で訓練されたディープニューラルネットワーク(DNN)のエンコーダ-デコーダペアとしてモデル化される。
  論文  参考訳（メタデータ） (2023-01-11T04:15:51Z)
• A Synthetic Dataset for 5G UAV Attacks Based on Observable Network Parameters [3.468596481227013]
  本稿では,5G以降のネットワークにおける無人航空機(UAV)攻撃のための最初の合成データセットを提案する。 このデータの主な目的は、UAV通信セキュリティのためのディープネットワーク開発を可能にすることである。 提案したデータセットは、都市環境において、静的または移動中のUAV攻撃者が認証されたUAVをターゲットにする際のネットワーク機能に関する洞察を提供する。
  論文  参考訳（メタデータ） (2022-11-05T15:12:51Z)
• Overhead-Free Blockage Detection and Precoding Through Physics-Based Graph Neural Networks: LIDAR Data Meets Ray Tracing [58.73924499067486]
  物理ベースグラフニューラルネットワーク(GNN)による光検出・測光(LIDAR)データの分類によりブロック検出を実現する プリコーダ設計には、LIDARデータから得られた3D面にレイトレーシングを行うことにより、予備チャネル推定を行う。 数値シミュレーションにより、ブロック検出は95%精度で成功していることが示された。
  論文  参考訳（メタデータ） (2022-09-15T15:04:55Z)
• Self-supervised Audiovisual Representation Learning for Remote Sensing Data [96.23611272637943]
  遠隔センシングにおける深層ニューラルネットワークの事前学習のための自己教師型アプローチを提案する。 ジオタグ付きオーディオ記録とリモートセンシングの対応を利用して、これは完全にラベルなしの方法で行われる。 提案手法は,既存のリモートセンシング画像の事前学習方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-08-02T07:50:50Z)
• Intrusion detection in computer systems by using artificial neural networks with Deep Learning approaches [0.0]
  コンピュータネットワークへの侵入検知は、サイバーセキュリティにおける最も重要な問題の1つとなっている。 本稿では,ディープラーニングアーキテクチャに基づく侵入検知システムの設計と実装に焦点を当てる。
  論文  参考訳（メタデータ） (2020-12-15T19:12:23Z)
• Encoded Prior Sliced Wasserstein AutoEncoder for learning latent manifold representations [0.7614628596146599]
  本稿では,Encoded Prior Sliced Wasserstein AutoEncoderを紹介する。 追加のプリエンコーダネットワークは、データ多様体の埋め込みを学習する。 従来のオートエンコーダとは違って,前者はデータの基盤となる幾何を符号化する。
  論文  参考訳（メタデータ） (2020-10-02T14:58:54Z)
• Fault Handling in Large Water Networks with Online Dictionary Learning [1.933681537640272]
  ここでは、センサ配置を行う際にネットワークトポロジを考慮に入れたデータ駆動の代替手段を提供することで、モデルを単純化する。 オンライン学習は高速で、一度に小さな信号のバッチを処理するため、大きなネットワークに取り組むことができる。 このアルゴリズムは、小規模ネットワークと大規模ネットワークの両方でテストした場合、優れた性能を示す。
  論文  参考訳（メタデータ） (2020-03-18T21:46:14Z)
• Curriculum By Smoothing [52.08553521577014]
  畳み込みニューラルネットワーク(CNN)は、画像分類、検出、セグメンテーションなどのコンピュータビジョンタスクにおいて顕著な性能を示している。 アンチエイリアスフィルタやローパスフィルタを用いてCNNの機能埋め込みを円滑化するエレガントなカリキュラムベースのスキームを提案する。 トレーニング中に特徴マップ内の情報量が増加するにつれて、ネットワークはデータのより優れた表現を徐々に学習することができる。
  論文  参考訳（メタデータ） (2020-03-03T07:27:44Z)
• Encoding-based Memory Modules for Recurrent Neural Networks [79.42778415729475]
  本稿では,リカレントニューラルネットワークの設計とトレーニングの観点から,記憶サブタスクについて考察する。 本稿では,線形オートエンコーダを組み込んだエンコーディングベースのメモリコンポーネントを特徴とする新しいモデルであるLinear Memory Networkを提案する。
  論文  参考訳（メタデータ） (2020-01-31T11:14:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。